AI和GPU加速半导体设计
根据nvidia首席科学家在国际设计自动化会议（dac）在线主题演讲中详细介绍的研究，机器学习和加速计算正在帮助工程师更快更好地设计出半导体。
nvidia首席科学家bill dally表示，ai能够设计出人类无法设计的芯片。dac是目前全球规模最大的半导体工程师会议之一。
bill dally谈及了加速计算和机器学习方面的研究，这些研究让芯片变得更小、更快、更高性能。
dally负责nvidia research —— 一支200多人的团队。他表示：“我们的工作表明，使用gpu加速系统可以给芯片设计带来数量级的提升。借助ai，能够得到超水平结果——胜于任何人类能够设计出的电路。”
电路和电路板双双受益
dally列举了gpu和ai为芯片和电路板设计工作流程所带来的改进——从电路的布局，到印刷电路板图像的快速渲染。
在一个使用gpu进行加速的突出示例中，他提到了nvidia计划在明年一场大会上展示的研究。与当今运行在cpu上的商业工具相比，gatspi工具将芯片逻辑的详细模拟速度提高了1,000倍以上。
gpu加速模拟工具gatspi可在数秒内完成目前在cpu上需要运行一整天才能完成的工作
今年dac上的一篇论文描述了nvidia如何与领先的eda软件供应商cadence design systems合作，在nvidia gpu上使用图形技术来渲染电路板设计。基于两家公司的此次合作，cadence 于6月发布在allegro x平台的交互操作性能提高了20倍。
dally表示：“工程师们过去在每次编辑或平移图像后都要等待程序的响应，这种工作方式常常令人陷入无奈的窘境。但有了gpu之后，该流程就具有了真正的互动性。”dally在2009年加入nvidia之前，曾担任斯坦福大学计算机科学系主任。
强化学习带来回报
本周的dac会议上还介绍了一种名为nvcell的技术，该技术使用强化学习来自动执行芯片的基本组成部分——标准单元的布局设计工作。
通过此方法，这项通常需要10人团队花费数月才能完成的工作，就变成了一个只需数日就能完成的自动化流程。dally表示：“这让工程团队能够集中精力攻克一些更为棘手、需要人工设计的单元。”
另一个强化学习的例子，是nvidia研究员将在dac上介绍的一个名为prefixrl的新工具。该工具可以发现加法器、编码器或自定义设计等电路的设计方法。
prefixrl将设计流程视为一场游戏——追求为电路找到最小的面积和功耗。
通过ai优化流程，工程师们就能得到比目前工具更高效的设备。这个示例充分展示了ai如何完成人类无法做到的设计。
充分运用各种ai工具
nvidia与德克萨斯大学奥斯汀分校合作，开展了一个名为dreamplace的研究项目，该项目创新地使用了一个用于深度学习的常用软件框架——pytorch。该项目对这一用于优化神经网络权重的框架进行了调整，以找到最佳位置，即能够在更大的芯片中放置一个含有1000万个单元的块（block）。
即使在cpu上使用当今最先进的技术，也需要近四个小时才能完成这项常规工作。而在数据中心或云服务中的nvidia volta架构gpu上运行时，只需要短短5分钟，速度提高了43倍。
更快获得更清晰的图像
为制造芯片，工程师们需要使用光刻机，将设计投射到半导体晶圆上。而为了确保芯片的性能符合预期，他们必须面对一项重要挑战——精确模拟图像。
nvidia研究员创建了一个能够理解该光学流程的神经网络。与目前最先进的机器学习方法相比，该神经网络的晶圆图像模拟速度加快了80倍，并且精度更高，所使用的模型也小了20倍。
这是工程师结合加速计算和人工智能，更快地设计出更高性能芯片的又一个例子。
ai驱动未来
dally表示：“nvidia使用了一些ai技术来设计现有的gpu，未来我们计划使用更多此类技术。”
“我预计，未来的标准eda工具也将采用ai，让芯片设计师的工作更轻松，并打造出更高性能的芯片。”
如欲观看dally的主题演讲，请使用ilovedac代码注册dac，获取免费通行证，点击阅读原文观看演讲。
重磅！nvidia行业微站一睹为快！内容涵盖nvidia主要的12大行业方案，以及nvidia当期重点产品资料。关注“nvidia英伟达企业解决方案”微信公众号，点击菜单栏进入行业微站，或长按识别下方二维码直接访问。
点击“行业方案”
进入nvidia行业微站
进入微站｜一睹为快
体验触手可及的ai盛宴
原文标题：ai和gpu助力芯片设计“驶入”快车道
文章出处：【微信公众号：nvidia英伟达企业解决方案】欢迎添加关注！文章转载请注明出处。
ThreadLocal的作用以及应用场景
自由现金将如何在全球范围内实现密码经济
LoRa 联盟实现了 LoRa 芯片供应的多元化
iQOO十一月大放异彩，多款机型已经成为爆款！
ESD实时监测报警系统的构成
AI和GPU加速半导体设计
自己DIY一个空心时钟
苹果公布财报 iPhone X依然有市场
荣耀平板V8 Pro六大首发集结完毕 12月26日发布会揭开最后面纱
Redmi K30系列的30W疾速闪充比其他40W产品的充电速度还要快
无人机与载人飞机结合建立超视距视觉实验走廊
Space X重型火箭“SN8”发射高空测试圆满成功
雷蛇发布清姬专业版全高清USB网络摄像头
曝三星将在下月发布Galaxy Note 10 Lite和Galaxy S10 Lite
三星华为猛发力，联想也“凑热闹”，折叠屏手机首发将发落谁家？
使用 NVIDIA TAO Toolkit 和 STM32 AI 解决方案为您的边缘 AI 模型提升性能
经过多年不懈努力,全球电动汽车产业已风起云涌
如何使用声纳距离传感器作为对象计数器
宁德时代在德国建电池厂 规模将是特斯拉工厂三倍多
中国人形机器人的未来将如何发展
nvidia首席科学家bill dally表示，ai能够设计出人类无法设计的芯片。dac是目前全球规模最大的半导体工程师会议之一。
bill dally谈及了加速计算和机器学习方面的研究，这些研究让芯片变得更小、更快、更高性能。
dally负责nvidia research —— 一支200多人的团队。他表示：“我们的工作表明，使用gpu加速系统可以给芯片设计带来数量级的提升。借助ai，能够得到超水平结果——胜于任何人类能够设计出的电路。”
电路和电路板双双受益
dally列举了gpu和ai为芯片和电路板设计工作流程所带来的改进——从电路的布局，到印刷电路板图像的快速渲染。
在一个使用gpu进行加速的突出示例中，他提到了nvidia计划在明年一场大会上展示的研究。与当今运行在cpu上的商业工具相比，gatspi工具将芯片逻辑的详细模拟速度提高了1,000倍以上。
gpu加速模拟工具gatspi可在数秒内完成目前在cpu上需要运行一整天才能完成的工作
今年dac上的一篇论文描述了nvidia如何与领先的eda软件供应商cadence design systems合作，在nvidia gpu上使用图形技术来渲染电路板设计。基于两家公司的此次合作，cadence 于6月发布在allegro x平台的交互操作性能提高了20倍。
dally表示：“工程师们过去在每次编辑或平移图像后都要等待程序的响应，这种工作方式常常令人陷入无奈的窘境。但有了gpu之后，该流程就具有了真正的互动性。”dally在2009年加入nvidia之前，曾担任斯坦福大学计算机科学系主任。
强化学习带来回报
本周的dac会议上还介绍了一种名为nvcell的技术，该技术使用强化学习来自动执行芯片的基本组成部分——标准单元的布局设计工作。
通过此方法，这项通常需要10人团队花费数月才能完成的工作，就变成了一个只需数日就能完成的自动化流程。dally表示：“这让工程团队能够集中精力攻克一些更为棘手、需要人工设计的单元。”
另一个强化学习的例子，是nvidia研究员将在dac上介绍的一个名为prefixrl的新工具。该工具可以发现加法器、编码器或自定义设计等电路的设计方法。
prefixrl将设计流程视为一场游戏——追求为电路找到最小的面积和功耗。
通过ai优化流程，工程师们就能得到比目前工具更高效的设备。这个示例充分展示了ai如何完成人类无法做到的设计。
充分运用各种ai工具
nvidia与德克萨斯大学奥斯汀分校合作，开展了一个名为dreamplace的研究项目，该项目创新地使用了一个用于深度学习的常用软件框架——pytorch。该项目对这一用于优化神经网络权重的框架进行了调整，以找到最佳位置，即能够在更大的芯片中放置一个含有1000万个单元的块（block）。
即使在cpu上使用当今最先进的技术，也需要近四个小时才能完成这项常规工作。而在数据中心或云服务中的nvidia volta架构gpu上运行时，只需要短短5分钟，速度提高了43倍。
更快获得更清晰的图像
为制造芯片，工程师们需要使用光刻机，将设计投射到半导体晶圆上。而为了确保芯片的性能符合预期，他们必须面对一项重要挑战——精确模拟图像。
nvidia研究员创建了一个能够理解该光学流程的神经网络。与目前最先进的机器学习方法相比，该神经网络的晶圆图像模拟速度加快了80倍，并且精度更高，所使用的模型也小了20倍。
这是工程师结合加速计算和人工智能，更快地设计出更高性能芯片的又一个例子。
ai驱动未来
dally表示：“nvidia使用了一些ai技术来设计现有的gpu，未来我们计划使用更多此类技术。”
“我预计，未来的标准eda工具也将采用ai，让芯片设计师的工作更轻松，并打造出更高性能的芯片。”
如欲观看dally的主题演讲，请使用ilovedac代码注册dac，获取免费通行证，点击阅读原文观看演讲。
重磅！nvidia行业微站一睹为快！内容涵盖nvidia主要的12大行业方案，以及nvidia当期重点产品资料。关注“nvidia英伟达企业解决方案”微信公众号，点击菜单栏进入行业微站，或长按识别下方二维码直接访问。
点击“行业方案”
进入nvidia行业微站
进入微站｜一睹为快
体验触手可及的ai盛宴
原文标题：ai和gpu助力芯片设计“驶入”快车道
文章出处：【微信公众号：nvidia英伟达企业解决方案】欢迎添加关注！文章转载请注明出处。
ThreadLocal的作用以及应用场景
自由现金将如何在全球范围内实现密码经济
LoRa 联盟实现了 LoRa 芯片供应的多元化
iQOO十一月大放异彩，多款机型已经成为爆款！
ESD实时监测报警系统的构成
AI和GPU加速半导体设计
自己DIY一个空心时钟
苹果公布财报 iPhone X依然有市场
荣耀平板V8 Pro六大首发集结完毕 12月26日发布会揭开最后面纱
Redmi K30系列的30W疾速闪充比其他40W产品的充电速度还要快
无人机与载人飞机结合建立超视距视觉实验走廊
Space X重型火箭“SN8”发射高空测试圆满成功
雷蛇发布清姬专业版全高清USB网络摄像头
曝三星将在下月发布Galaxy Note 10 Lite和Galaxy S10 Lite
三星华为猛发力，联想也“凑热闹”，折叠屏手机首发将发落谁家？
使用 NVIDIA TAO Toolkit 和 STM32 AI 解决方案为您的边缘 AI 模型提升性能
经过多年不懈努力,全球电动汽车产业已风起云涌
如何使用声纳距离传感器作为对象计数器
宁德时代在德国建电池厂 规模将是特斯拉工厂三倍多
中国人形机器人的未来将如何发展